Artificial Intelligence

Mob AI Super Prompting mit Studis

Früher war definitiv nicht alles besser.

Was tut man, wenn neue Werkzeuge die Arbeit erleichtern können? Was tut man, wenn das Wissen und die Fähigkeiten im Umgang mit neuen Werkzeugen eine neue Schere aufmachen? Wie geht man speziell im Zusammenhang mit Ausbildung damit um?

Wir wollen uns nicht über Änderungsresistenz und/oder Realitätsferne von Lehrpersonen auslassen, darüber könnte man ein eigenes Buch schreiben. In diesem Fall ist ein Sich-Nicht-Verändern gar keine Option.

Grundsätzlich sind einige Muster wiederkehrend, die mit der aktuellen neuen Technologie wenig zu tun haben. Ob eine lernende Person die Hausaufgaben von den Eltern, von bezahlten Hilfen oder von Maschinen lösen lässt, macht a priori keinen Unterschied. Dieses Problem hätte man schon immer isoliert betrachten und lösen können.

Im Gegensatz zur Einführung von Frühfranzösisch in der deutschen Schweiz, als die Lehrenden vorgaben, Aufwände zu scheuen, ein Fach den Ahnungslosen näherzubringen, das alle Personen mit Ausbildung 8 Jahre lang gelernt haben, ist es hier so, dass das Zielpublikum möglicherweise bereits sehr vertraut ist mit dem Thema. Was will man machen, die jungen Punks sind eben cooler als die alten.

Verteufeln neuer Technologien ist nicht ratsam. Ignorieren ist ebenfalls nicht zu empfehlen. Einfach machen lassen ist gefährlich, da nicht alle sich die Anwendung von neuen Mitteln gleich gut von selbst beibringen. Eine Moderation tut Not und das liegt selbstverständlich in der Pflicht der Lehrkraft.

Prof. Stefan Keller von der FH OST Campus Rapperswil (IFS Institut für Software) macht das Richtige. Das Semester des Moduls Data Analytics fängt an und er schreibt erst einmal alle Übungen so um, dass sie mit generativer künstlicher Intelligenz als Unterstützung gelöst werden müssen. Dies hat, neben dem notwendigen Grundwissen in der Materie, verschiedene Aspekte, die reflektierte Vorbereitung kosten:

• Was sind die aktuellen angebotenen Produkte?
• Welche spezifischen Eigenschaften machen sie unterschiedlich?
• Wie nutzt man sie gewinnbringend?
• Wie kann man der unterstützenden maschinellen Kraft zutrauen, dass sie aussagekräftige und glaubwürdige Resultate liefert?

Das hilft, die Übungen modern zu gestalten und auch die Nutzung der möglichen Hilfsmittel konsequent und möglichst richtig zu lernen, anstatt ad-hoc und von der Lehrkraft nicht zu erkennen, geschwiege denn zu beurteilen oder zu lenken.

Wie geht man nun aber damit um, dass einige Studis fast keine Kenntnisse von LLM und andere bereits eine grosse Erfahrung haben und in allen Bereichen des Lebens nutzen und andere vielleicht schon eine geübte, festgefahrene nicht optimale Angewohnheit besitzen?

Die Antwort heisst Mob Programming oder in diesem Fall Mob Prompting.

Gruppenarbeit im Allgemeinen fördert das Verteilen des Wissens. Der Mob im Speziellen sorgt aber dafür, dass niemand zurückgelassen wird oder man zumindest sofort merkt, wenn sich eine stille Person vom Treiben abhängt. Wenn man daran interessiert ist, dass möglichst alle die Prüfungen bestehen, ist das ein relevanter Faktor. Wichtiger, als dass einige Top-Spitzen entstehen.

Dabei wollen wir nicht vergessen, was uns der Mob schon immer brachte, auch ausserhalb akademischer Umstände:

• Hoher Fokus, es hat niemand Zeit für Ablenkung
• Spass, die Arbeitsweise bringt merklich mehr Flow
• Hohe Qualität, unerlaubte Abkürzungen werden früh bemerkt und verhindert

Somit gingen wir hin und haben das Experiment gewagt. Wir haben einige wichtige Einsichten gewonnen, vielleicht haben wir selbst sogar am Meisten gelernt. Reden wir darüber, vielleicht macht das ja Schule.

Weitere relevante Artikel zum Thema Mob AI

https://www.spf-consulting.com/insights/teaching-the-mob-to-students

Das Video zu einleitenden Erklärungen im Hörsaal: